No benchmark de codificação DeepSWE v1.1, Claude Fable 5 marca 69,7% pass@1 a $21,63 por tarefa, enquanto GLM-5.3 marca 69,0% a $3,99 por tarefa—uma diferença de custo de 5,4x. Por $100 gasto, GLM-5.3 resolve 17 tarefas enquanto Fable resolve 3, tornando GLM o caminho mais eficiente em custos para codificação agentica restrita por orçamento. DeepSWE testa engenharia de software de longo horizonte em 113 tarefas originais em 5 linguagens, construindo benchmarks livres de contaminação que refletem como agentes de codificação de fronteira realmente funcionam em trabalho real de engenharia de software.
Os modelos se separam quando retentativas são permitidas: GLM-5.3 lidera pass@2 em 81,1% versus pass@2 da Fable 5 em 77,1%, e estende essa liderança em pass@4 (87,6% vs. 84,1%). Este padrão favorece times usando estratégias de roteamento ou cascata: execute GLM-5.3 primeiro a baixo custo, escalone para precisão de primeira tentativa superior da Fable 5 apenas quando GLM falha. Correlação por tarefa entre os dois é 0,65, o maior acordo no conjunto de comparação, então eles resolvem amplamente os mesmos problemas através de caminhos diferentes.
Para implantações em produção, o trade-off é claro: GLM-5.3 é a jogada de otimização de custo, entregando 69% de precisão a uma fração do preço de Fable; Fable 5 é o teto de qualidade, com desempenho levemente superior de primeira tentativa e raciocínio mais forte em trabalho de sistemas complexos. Em escala de 10.000 tarefas, a lacuna de custo ($39.900 vs. $216.300) justifica lógica de roteamento misto. Nenhum modelo é universalmente superior—a escolha depende se sua carga de trabalho pode absorver retentativas ou exige precisão de primeira tentativa.